从长期看，AI对区块链的需求是自我实现的天然需求。当然，有很长的路要走
一、区块链同样是最重要的趋势之一
今年以来，AI 的火爆远超区块链。不过，加密世界也不必气馁，如何理解区块链未来的机会？先说一下想法：
区块链是人类历史上最重要的趋势之一，从 web2 信息互联网演化到 web3 价值互联网同样也是生产力提升的需要。才短短十多年，还有数十年的演化。其底层影响目前看是仅次于 AI 的第二大技术。
AI 和区块链是有融合需求的，虽然进展不会很快。
今天简单说说第二点：AI 和区块链的融合需求。
二、区块链可以帮到 AI 的地方
计算
大家都知道，AI 对算力的需求是巨大的。如何将闲置算力为 AI 算力所用，需求是有的。不过目前看，由于训练 AI 模型属于密集计算，非常昂贵。在通用 AI 计算方面，目前区块链能够帮忙的地方还不多。
其中被诟病的主要有三点：一是，需要专用 GPU 硬件的支持；二是，数据交换延迟；三是，去中心化计算任务的证明。
区块链集团(00364.HK)维持日常业务营运 继续停牌:区块链集团(00364.HK)公告，集团在中国主营制造及销售毛茶、精制茶及其他相关产品。
目前清盘人所得资料显示，集团继续维持其日常业务营运。清盘人已继续采取措施以明确集团最近的业务及财务资讯。公司接获公司大股东蔡的代表律师通知，针对该复核决定，蔡已决定寻求申请司法复核，并已聘请律师团队就该申请给出意见。
于2021年1月13日，公司接获蔡的代表律师通知，继蔡就该复核决定提交司法复核申请后，该聆讯已经排期于2021年6月30日上午十时于法院审理，为时三小时。
公司将适时作出进一步公告。继续暂停买卖。[2021/2/18 17:27:01]
上面也提到，AI 训练属于密集型的大规模计算，LLM 这些训练具有数十亿级别以上的参数，训练这些模型的 FLOPs 更是庞大，只有专用硬件（AI GPU，具有特殊组件，如 Tensor Processing Units 等）来执行这些训练才能达到更好效果；此外，为了达到最佳效果，所有 GPU 最好是同构计算，级别相同的 GPU 更易步调一致进行数据交换和继续计算。在去中心化网络，这对参与者的 GPU 是存在要求的。不过，要求越高，门槛越高，不利于去中心化，也不利于利用闲置算力。
Web 3.0区块链加速器LongHash Ventures推出1500万美元的区块链基金:2月8日消息，总部位于新加坡的Web 3.0区块链加速器和投资者LongHash Ventures推出了一只1500万美元的区块链基金。新基金将用于投资代币和早期区块链公司，专注于Web 3.0基础设施组件和DeFi。
LongHash Ventures由Fenbushi Capital（分布式资本）、HashKey Capital和Enterprise Singapore支持，致力于打造本土Web 3.0区块链经济，其在新加坡、上海和香港设有全球网络。该公司已经投资并与一些区块链协议建立了合作关系，包括Polkadot以及Algorand。到目前为止，LongHash Ventures已为30多家公司提供支持，其投资组合共筹集了2500万美元。（Tech In Asia）[2021/2/8 19:13:54]
AI GPU 需要不断交换数据。如果存在网络延迟，对于 AI 利用分布式的算力来进行训练也不利。
如何去中心化地验证计算任务的完成需要有相对高效和低成本的解决方案。
A股开盘：深证区块链50指数下跌0.25%:金色财经消息，A股开盘，上证指数报3327.49点，开盘下跌0.38%，深证成指报13437.57点，开盘下跌0.21%，深证区块链50指数报3945.57点，开盘下跌0.25%。[2020/8/12]
以上所提到的都是目前去中心化计算跟 AI 结合的难点，这也是目前 AI 和区块链结合相对不容易的地方。不过，从蓝狐笔记角度，随着更多参与者的探索，这个方面的障碍会一步步得到清除，当然也需要较长时间才能实现。
下面来说说，有可能逐步得到解决的方面。如果在通用 AI 角度，目前加密领域还很难切入。那么，可以从特殊领域的 AI 领域切入。而这个切入点，也跟目前 AI 的计算任务密切相关。有两个地方：一是，推理任务在目前的 AI 计算需求中占据了多数；二是，一些微调和推理任务对资源要求较小，通过去中心化计算来实现也有机会。这两点意味着去中心化算力的可能的潜在机会。
特定领域，比如法律、医学、投资、教育、数据分析等专业领域的 AI 可能在早期更适合这种专注于特定领域的分布式计算网络。上面也提到，为 AI 提供去中心化的算力服务，困难的不是完成计算任务，而是如何去中心化地验证任务的完成情况。目前一些项目正在试图解决这个问题，比如 Gensyn 和 together 等。
声音 | 周平：应加快研制区块链标准:据国家网信办主管杂志《网络传播》消息，工信部中国电子技术标准化研究院软件工程与评估中心主任、中国区块链技术和产业发展论坛秘书长周平表示，应加快研制区块链标准。国内的区块链标准化工作早在2016年就开始布局，但多数区块链项目还处于概念形成或开发阶段，缺乏大规模应用的成功案例。
在标准研制方面，应按照“急用先行、成熟先上”的原则开展标准研制工作，优先开展基础标准研制；针对过程和方法、可信和互操作、信息安全等领域，按照“成熟先上”的原则启动标准研制工作。标准应用推广方面，进一步依据标准推进人才培养，开展开发大赛、测试测评等活动，同时择机选择重点行业进行应用示范，推进区块链产业良性发展。国际标准化方面，积极跟踪国际区块链标准化进展，借鉴发达国家工作战略，制定适合中国形势的国际标准化工作策略；注重培养熟悉国际标准化工作流程及审议规则，并具有专业知识的人才，为中国区块链行业的发展奠定话语权。[2018/11/18]
Gensyn 融和了一些学术界的研究成果，如概率学习证明、基于图形的精确定位协议，也借鉴了 Truebit 项目的激励和制衡模型。Gensyn 将整个过程分解为八个阶段，从 AI 任务提交、剖析、训练、证明生成到验证证明、挑战、仲裁以及结算。其中 “概率学习证明” 用以构建基线距离阀值，为验证者提供验证基础；“基于图形的精确定位” 技术用以监督验证者验证执行的情况；Truebit 的博弈模型则使得相关方以理性为导向。具体的过程可参考 Gensyn 的白皮书。这里顺便提及一下，像 Truebit 类似的链下计算项目，也有机会向这个方向演化，或许获得更多的业务机会。当然，这需要团队评估其机会。
行情 | 区块链dApps用户数今年来已下降38%:据thenextweb消息，2018年数据显示，dApp用户整体下降了38％。按照dApps用户数量排名，加密猫(Cryptokitties)，其用户数量自14194只的历史最高纪录已下降了96%。Bancor下降了74％，Kyber Network下降了61％，Numerai下降了97％。[2018/8/26]
相对于去中心化的网络计算的落地难度，AI 模型分享和 AI 数据分享是有机会更快落地的领域。下面的两个方面，可能是 AI 跟区块链结合在早期更容易取得突破的地方：去中心化的模型共享和去中心化的数据共享。
模型
通过代币激励来鼓励模型的共享，从而实现更好的模型。甚至，这些模型还可以部署到链上，由任意参与者共同训练，推动模型发展。此外，随着 AI 模型的复杂化，对于推理的信任也变得关键。这也是链上可信推理可以发挥作用的地方。
在模型微调和推理领域，Giza、ChainML、Bittensor、Modulus Lab 等都在探索中。Giza 推出的是链上模型市场，在链上部署简单模型，链上推理，模型所有者可以在模型被使用后获得相关的费用收入。
Modulus 则提出了 zkML 的概念，它认为由于成本问题，在链上运行推理模型是不现实的，因此它的解决方案是在链下运行推理模型，之后生成 zkSNARKs 证明，证明上链，并通过智能合约发挥其作用。
数据
通过代币经济来激励用户对模型进行反馈、激励用户收集更高质量的数据。通过提供分布式数据获得高质量的数据，尤其是特定领域，这对于 AI 发展有重要意义。同时，这也可以跟 ZK 技术结合起来，可以不用透露数据背后的隐私。这里的难点是如何证明数据本身的质量。
高质量的数据和去中心化的 AI 模型结合，对于 AI 发展会很有意思。
防伪
目前深度学习模型出现之后，导致 AI 生成的图像、音频、视频等变得越来越难以分辨真假。在 AI 生成时代，内容的真实性、防篡改性变得越来越重要。区块链是解决这一问题的重要技术手段。
加密数据身份和签名保证内容创造的真实性，而不是伪造的。尤其是 AI 工具被滥用之后，这个问题尤为严重。这是对抗伪造内容的重要技术手段。在以假乱真时代，需要通过加密技术来分辨真伪。
此外，也需要借用区块链技术进行确权。例如，同样是一幅画，AI 生成和 NFT 图像仅从表面难以辨别，这个时候需要区块链发挥它的作用。
更具韧性的 AI
AI 通过跟区块链融合，获得在计算、模型、数据、带宽、存储等多方面的支持，获取去中心化的基础设施支撑，更具自我演化能力。此外，区块链领域的加密支付、价值流通方面，也可以为 AI 的演化提供支持。
一个完善的区块链基础设施构建成熟之后，AI 将获得更多自我演化的能力。换言之，一个更去中心化的 AI 也是 AI 自我实现的需求，利用区块链的分布式特点来发展 AI，也是 AI 自身发展的诉求。
对于 AI 自身来说，如果最后只被微软、谷歌等大巨头所垄断，对它自身演化也是不利的。AI 有天然的去中心化发展的需求，这是 AI 实现更具韧性的自身需求。AI+区块链所能爆发出来的力量有可能远超人们想象。
三、AI 可以推动区块链的地方
人工智能和链上数据融合
通过 AI 分析链上的动态数据，获得预测的能力，比如投研等。其中一个最令人兴奋的地方是，通过嵌入 AI，智能合约可以实现动态的自主决策。比如，defi 根据实时数据进行调整等。一个动态的而不是静态的智能合约，会让区块链生发出更多应用场景和用户需求。
人工智能的发展，可以加密应用带来新的可能性。
AI 为 DeFi、web3 游戏、web3 社交、web3 应用（交通、住宿、旅游等）带来新的可能性。比如，例如 AI+web3 游戏，有可能诞生出前所未有的游戏模式；例如 AI+物联网+加密支付，有可能诞生出更智能的网络。
ZKP 的重要性
计算任务要保证隐私和完成度，需要 ZKP 加入，形成可验证的工作证明。ZKP 成熟之后，可实现 AI 上链，也可以提供隐私保护以及可验证的机器学习。
整体来说，区块链可以通过去中心化的模式，为算力、数据和模型的协议提供一种协作架构，最终促进 AI 的发展，在这个过程中，有很多细节需要完善，比如需要证明参与者的贡献（不管是算力、数据还是模型），只有低成本地完成了这些，区块链才有机会帮到 AI，否则就是空中楼阁。
当然，从趋势上看，AI 对区块链有天然的需求，AI 需要区块链为自己发展提供真正的韧性。
与此同时，AI 对于区块链应用的进化也会有帮助，不管是 DeFi、游戏还是其他应用，都有可能诞生更智能化的加密应用。这有可能是未来的大叙事，即便下个周期里还不成熟，下下个周期或许也有这样的机会。
以上所提到的只是部分，并不完整，会随着时间的变化有增有减，也欢迎各位在留言补充。
蓝狐笔记
个人专栏
阅读更多
金色财经
Web3活动
Techub Info
区块律动BlockBeats
金色财经 善欧巴
金色早8点
比推 Bitpush News
TaxDAO
SeeDAO见道
WJB
白话区块链
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。